فایل ورد کامل تحقیق ویژگی‌هاو مدل های رایانش ابری ۴۵ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل تحقیق ویژگی‌هاو مدل های رایانش ابری ۴۵ صفحه در word دارای ۴۵ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل تحقیق ویژگی‌هاو مدل های رایانش ابری ۴۵ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل تحقیق ویژگی‌هاو مدل های رایانش ابری ۴۵ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل تحقیق ویژگی‌هاو مدل های رایانش ابری ۴۵ صفحه در word :

بخشی از فهرست مطالب فایل ورد کامل تحقیق ویژگی‌هاو مدل های رایانش ابری ۴۵ صفحه در word

۱- فصل اول:مقدمه    
۲- فصل دوم: رایانش ابری    
۲-۱- رایانش ابری و نگاشت‌کاهش    
۲-۱-۱- ویژگی‌های اساسی رایانش ابری:    
۲-۱-۱-۱- دسترسی سلف سرویس و بنا به تقاضا:    
۲-۱-۱-۲- دسترسی تحت شبکه:    
۲-۱-۱-۳- تجمیع منابع:    
۲-۱-۱-۴- انعطاف پذیری سریع:    
۲-۱-۱-۵- خدمات اندازه گیری شده:    
۲-۱-۲- مدلهای سرویس دهی رایانش ابری:    
۲-۱-۲-۱- نرم افزار بعنوان سرویس:    
۲-۱-۲-۲- پلتفرم بعنوان سروریس:    
۲-۱-۲-۳- زیرساخت بعنوان سرویس:    
۲-۱-۳- مدل‌های خدمات رایانش ابری:    
۲-۱-۳-۱- ابر عمومی:    
۲-۱-۳-۲- ابر خصوصی:    
۲-۱-۳-۳- ابر گروهی:    
۲-۱-۳-۴- ابر ترکیبی:    
۲-۲- نگاشت‌کاهش    
۲-۳- آپاچی هدوپ    
۲-۳-۱- فایل سیستم توزیع یافته هدوپ (HDFS)    
۲-۳-۲- چارچوب نگاشت‌کاهش(MapReduce)    
۳- فصل سوم:مروری بر تحقیقات انجام شده    
۳-۱- فهرست منابع    

بخشی از منابع و مراجع فایل ورد کامل تحقیق ویژگی‌هاو مدل های رایانش ابری ۴۵ صفحه در word

[۱]   C. R. Semih Okur, Yu Lin, “Hadoop+Aparapi: Making heterogenous MapReduce programming easier,” ed: University of Illinois at Urbana Champaign,

[۲]     B. He, W. Fang, Q. Luo, N. K. Govindaraju, and T. Wang, “Mars: a MapReduce framework on graphics processors,” in Proceedings of the 17th international conference on Parallel architectures and compilation techniques, 2008, pp. 260-

[۳]  W. Tantisiriroj, S. Patil, and G. Gibson, “Data-intensive file systems for Internet services: A rose by any other name,” Parallel Data Laboratory, Tech. Rep. UCB/EECS-2008-99,

[۴]   S. Ghemawat, H. Gobioff, and S.-T. Leung, “The Google file system,” in ACM SIGOPS Operating Systems Review, 2003, pp. 29-

[۵]   M. K. McKusick and S. Quinlan, “GFS: Evolution on Fast-forward,” ACM Queue, vol. 7, p. 10,

[۶]   APARAPI; API for data parallel java, allowing suitable code to be executed on GPU via OpenCL. Available: http://code.google.com/p/aparapi/

[۷]   B. Gu, D. Choi, and Y. Kwak, “Potentiality for Executing Hadoop Map Tasks on GPGPU via JNI,” in Multimedia and Ubiquitous Engineering, ed: Springer, 2013, pp. 51-

[۸]   R. Malakar and N. Vydyanathan, “A CUDA-enabled Hadoop cluster for fast distributed image processing,” in Parallel Computing Technologies (PARCOMPTECH), 2013 National Conference on, 2013, pp. 1-

[۹]   M. Grossman, M. Breternitz, and V. Sarkar, “HadoopCL: MapReduce on Distributed Heterogeneous Platforms Through Seamless Integration of Hadoop and OpenCL,” in Proceedings of the 2013 IEEE 27th International Symposium on Parallel and Distributed Processing Workshops and PhD Forum, 2013, pp. 1918-

[۱۰]   A. Dziech, A. Glowacz, J. Wszoek, S. Ernst, and M. Pawowski, “A Distributed Architecture for Multimedia File Storage, Analysis and Processing,” in Intelligent Tools for Building a Scientific Information Platform, ed: Springer, 2013, pp. 435-

[۱۱]   J. A. Stuart and J. D. Owens, “Multi-GPU MapReduce on GPU clusters,” in Parallel & Distributed Processing Symposium (IPDPS), 2011 IEEE International, 2011, pp. 1068-

[۱۲]   B. Hindman. Cloud Computing using MapReduce, Hadoop, Spark. Available

[۱۳]   B. Catanzaro, N. Sundaram, and K. Keutzer, “A map reduce framework for programming graphics processors,” in Workshop on Software Tools for MultiCore Systems,

۱- فصل اول:مقدمه

امروزه با افزایش روش‌های مختلف اخذ اطلاعات گسسته مانند دوربین‌های دیجیتال، پویشگرها و ماهواره‌ها، پردازش تصویر کاربرد فراوانی یافته‌است. از زمینه‌های پر کاربرد پردازش تصویر می‌توان نجوم، زیست شناسی و پزشکی را نام برد. پردازش تصاویر ارسالی از ماهواره‌ها و تشخیص پلاک اتومبیل‌ها از نمونه‌های کاربردی و شناخته‌شده‌ی مسائل پردازش تصویر هستند

با افزایش کاربردهای تصاویر رقمی[۱] در حوزه‌های مختلف، هر روز بر حجم تصاویر موجود در پایگاه‌های داده افزوده می شود. در پردازش تصاویر ارسالی از ماهواره‌ها حجم وسیعی از تصاویر برای پردازش ارسال می‌شوند که برای پردازش این حجم وسیع از تصاویر، نیاز به کامپیوترهای قدرتمندی است تا با سرعت بالایی تصاویر دریافتی را پردازش کنند. در سال‌های اخیر تلاش‌های بسیاری در زمینه‌ی پردازش داده‌های حجیم صورت گرفته‌است. در این بین، پردازش موازی و بطور خاص پردازش توزیع شده یکی از پر طرفدارترین این روش‌ها می‌باشد

در بیشتر روش‌های توزیع شده برای پردازش داده‌ها، برنامه نویس باید دانش کافی در برنامه نویسی و شبکه داشته باشد و نیز بتواند مسائل مربوط به زمان اجرا را مدیریت و برطرف کند که‌این کار نیازمند تخصص و مهارت بالایی در برنامه نویسی و مباحث شبکه‌است. لذا روش‌هایی که در آن کاربر بتواند با سهولت بیشتری برنامه‌هایش را ایجاد و اجرا کند بسیار مورد استقبال قرار می‌گیرد

یکی از تکنولوژی‌هایی که امروزه توجه بسیاری را به خود جلب کرده و تحول بزرگی در بسیاری از زمینه‌های مختلف کامپیوتری به ارمغان آورده‌است رایانش ابری است. ابرها بسیاری از نیازها در زمینه‌ی فناوری اطلاعات را بصورت یک سرویس ارائه می‌دهند که این سرویس از طریق اینترنت قابل دسترسی است

با توجه به گستردگی کاربردهای پردازش تصویر در زمینه‌های مختلف، و نیز با روند کنونی افزایش حجم تصاویر، برای پردازش این حجم از داده‌ها در زمان مناسب، نیاز به سرعت بسیار بالایی داریم. لذا ناگزیر به استفاده از ماشین‌های غولپیکر و پردازش موازی[۲] برای پردازش این حجم از داده‌ها هستیم. در پردازش موازی، ماشینی با چندین پردازنده[۳] یا چندین هسته‌ی پردازنده[۴]، برنامه داده شده را اجرا می‌کند [۱]. پردازنده‌های چند هسته‌ای[۵] از نمونه‌ی این نوع پردازنده‌ها هستند. علاوه براین با اتصال کامپیوترهای تک پردازنده[۶] و تک هسته[۷] و ایجاد یک شبکه نیز میتوان پردازش موازی انجام داد. این کار بکمک نرم افزارهای توزیع شده صورت می‌پذیرد و به‌این نوع از پردازش موازی، اصطلاحا پردازش توزیع شده[۸] می‌گویند[۲]

بسیاری از سازمان‌ها به دلایل مختلفی همچون هزینه‌های بالای خرید و نگهداری و نیاز به متخصصان و . . .  قادر به فراهم سازی کامپیوترهای غول پیکر برای اجرای برنامه‌ها بصورت موازی نیستند. لذا پردازش توزیع شده بسیار مورد توجه محققان و نیز سازمان‌ها قرار گرفته‌است

۱- فصل دوم: رایانش ابری

۱-۱- رایانش ابری و نگاشت‌کاهش

امروزه دنیای فناوری اطلاعات و اینترنت روز به روز در حال گسترش و توسعه است. همسو با آن نیازهای دیگری مانند امنیت اطلاعات، پردازش سریع، صرفه‌جویی در زمان و هزینه و ; اهمیت زیادی یافته است. لذا شرکت‌های کامپیوتری همواره به دنبال راهی برای رفع نیازهای کاربران و ارتقای خدمات خود بوده و در این میان شرکتهایی که خدمات بهتر و سریعتری ارائه دهند برنده‌ی این میدان خواهند بود. راه حلی که امروزه برای اینگونه مشکلات پیشنهاد می‌شود فناوری جدیدی است به نام رایانش ابری، که به شدت توسط شرکت‌های مختلف و نیز کاربران مورد استقبال واقع شده است

در اواخر اولین دهه‌ی قرن ۲۱، شاهد توسعه و گسترش بسیار سریع فناوری جدیدی بنام رایانش ابری بوده‌ایم که بطور کلی مدل متفاوتی از رایانش را ارائه می‌کند. یک سیستم ابری در ساده‌ترین تعریف، ارائه‌ی سرویس کامپیوتری روی اینترنت است. به جای آنکه تاسیسات و امکانات فناوری اطلاعات خود را برای نگهداری داده‌ها و یا نرم‌افزار هزینه کرده و بسازید، از امکانات شرکتهای دیگر استفاده می‌کنید. به عبارت دیگر شرکتهایی زیرساختهای خاصی درست می‌کنند که این امکانات را در اختیار شما قرار می‌دهند. بدین ترتیب شرکت شما از طریق اینترنت می‌تواند از داده‌ها و نرم‌افزار آنها استفاده کند. از این سیستم به نام ابر یا cloud نام برده می‌شود [۵]

هنوز تعریف استاندارد علمی‌که مورد قبول عام باشد، برای رایانش ابری ارائه نشده است. موسسه ملی فناوری و استانداردها ، رایانش ابری را اینگونه تعریف می‌کند: “رایانش ابری مدلی است برای داشتن دسترسی فراگیر و آسان و بنا به سفارش شبکه به مجموعه ای از منابع رایانشی پیکره بندی پذیر مثل: شبکه ها ، سرورها ، فضای ذخیره سازی ، برنامه های کاربردی و سرویس ها که بتوانند با کمترین کار و زحمت یا نیاز به دخالت فراهم کننده‌ی سرویس به سرعت فراهم شده یا آزاد (رها) گردد.”

رایانش ابری پنج مشخصه اساسی دارد و از سه مدل سرویس دهی و چهار مدل پیاده‌سازی تشکیل شده است که در قسمت زیر به معرفی آن می‌پردازیم [۶]

   ۱-۱-۱- ویژگی‌های اساسی رایانش ابری

  ۱-۱-۱-۱- دسترسی سلف سرویس و بنا به تقاضا[۱]

مصرف کنندگان خدمات رایانش ابری، بنا به تقاضا، بدون نیاز به تماس مستقیم با نماینده فروش یا کارمند پشتیبانی فنی، با ورود  به حساب کاربری خود از طریق یک وبسایت، می‌توانند به منابع رایانشی دسترسی یافته و از خدمات تدارک دیده، استفاده نمایند

  ۱-۱-۱-۲- دسترسی تحت شبکه[۲]

به دلیل تحت وب بودن خدمات ابری، به کمک هر وسیله متصل به اینترنت، می‌توان از این خدمات استفاده کرد؛ یک مرورگر وب در یک کامپیوتر شخصی، یک پایانه‌ی کامپیوتری و در مواردی حتی ابزارهای دستی مثل iPhone و Blackberry

[۱] On-demand self-service

[۲] broad network access

[۱] Digital

[۲] Parallel Processing(Also Called Parallel Computing)

[۳] CPU

[۴] Processor Core

[۵] Multi -Core Processor

[۶] Single-Cpu

[۷] Single-Core

[۸] Distributed Processing(Also Called Distributed Computing)